Python实现可视化的3个步骤：
确定问题并选择图形
数据转换，函数应用
参数设定一目了然
1 .首先，我们需要知道我们要用哪个库来画画
马特普罗特里b
python中最基本的画廊是matplotlib，是最基本的python可视化库，通常从matplotlib可视化python数据，然后开始纵向和横向的展开。
西伯利亚
一种基于matplotlib的高级可视化效果库，主要针对数据挖掘和机器学习中变量特征的选择，seaborn可以创建用短代码表示更多维数据的可视化效果图
其他库包括
Bokeh (可与分析师进行数据交流的浏览器端交互可视化的库) Mapbox (处理地理数据引擎的更强大的可视化工具库)等
本文主要使用matplotlib进行案例研究
第一步：找出问题并选择图形
业务可能很复杂，但由于分割，需要找到想要用图形表现的具体问题。 分析思维的训练可以学习《麦肯锡方法》和《金字塔原理》的方法。
这是关于图表类型选择的网上总结。
在python中，可以将图形汇总为四个基本的视觉元素
点：适用于简单二维关系的scatter plot维数据
线条：应用于时间序列的线条出图维数据
柱状：适合类别统一修订的bar plot维数据
颜色：头贴适合显示第三个维度
数据之间有分布、构成、比较、联系、变化趋势等关系。 对应不同的关系，选择相应的图形进行展示。
第二步：转换数据并应用函数
有关数据分析和建模的许多编程工作都是基于数据的准备。 加载、清理、转换和重建。 我们的可视化步骤也需要整理对数数据，转换为我们需要的格式，应用可视化方法进行绘图。
常用的数据转换方法有：
合并： merge、concat、combine_frist (类似于数据库中的完全外部连接)
重建： reshape； 轴旋转： pivot (类似于excel枢纽分析表)
去重： drop_duplicates
映射：映射
填充置换： fillna、replace
重命名轴索引： rename
将分类变量转换为“伪变量矩阵”的get_dummies函数，或者用df对列数据取限定值。函数基于在第一步中选择的图表在python中查找相应的函数。
步骤3 :参数的设定一目了然
绘制原始图形后，可以根据需要修改“颜色”、“线型”、“标记”或其他图形装饰项目标题、“轴标签”等
第三步是根据第二步进行的修饰工作，以使图形更清晰。 具体的参数在图表函数中。
中文
电话咨询
微信咨询
公众号
